隨著企業(yè)數(shù)字化轉(zhuǎn)型的不斷深入，企業(yè)積累的各種數(shù)據(jù)也越來越多，這些數(shù)據(jù)從分散到集中經(jīng)歷了較長的時(shí)間，但數(shù)據(jù)本身并不直接創(chuàng)造價(jià)值。因此，企業(yè)需要思考如何利用工業(yè)大數(shù)據(jù)分析工具，深入挖掘蘊(yùn)藏在數(shù)據(jù)中的業(yè)務(wù)價(jià)值。

一、工業(yè)大數(shù)據(jù)的內(nèi)涵 

工業(yè)大數(shù)據(jù)是指在工業(yè)領(lǐng)域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計(jì)劃、研發(fā)、設(shè)計(jì)、工藝、制造、采購、供應(yīng)、庫存、發(fā)貨和交付、售后服務(wù)、運(yùn)維、報(bào)廢或回收再制造等整個(gè)產(chǎn)品全生命周期各個(gè)環(huán)節(jié)所產(chǎn)生的各類數(shù)據(jù)及相關(guān)技術(shù)和應(yīng)用的總稱。

美國國家科學(xué)基金會(huì)（NSF）智能維護(hù)系統(tǒng)（IMS）產(chǎn)學(xué)合作中心的創(chuàng)始人和主任李杰教授在他的《工業(yè)大數(shù)據(jù)》一書中曾指出，在自動(dòng)化設(shè)備產(chǎn)生了大量未被充分挖掘價(jià)值的數(shù)據(jù)、獲取實(shí)時(shí)數(shù)據(jù)的成本不再高昂、設(shè)備的實(shí)時(shí)運(yùn)算能力大幅提升以及依靠人的經(jīng)驗(yàn)已無法滿足復(fù)雜的管理和優(yōu)化的需求的條件下，大數(shù)據(jù)技術(shù)在工業(yè)領(lǐng)域逐漸興起。

對(duì)制造企業(yè)而言，高效的處理和使用工業(yè)大數(shù)據(jù)將有利于企業(yè)在新一輪產(chǎn)業(yè)競(jìng)爭(zhēng)中占據(jù)產(chǎn)業(yè)發(fā)展的制高點(diǎn)。工業(yè)大數(shù)據(jù)主要涵蓋三類數(shù)據(jù)，即企業(yè)信息化數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)以及外部跨界數(shù)據(jù)（見下圖）。

 工業(yè)大數(shù)據(jù)的類別（來源：王建民，清華大學(xué)軟件學(xué)院）

信息化數(shù)據(jù)是指?jìng)鹘y(tǒng)工業(yè)自動(dòng)化控制與信息化系統(tǒng)中產(chǎn)生的數(shù)據(jù)， 如 ERP、MES 等 。工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)是來源于工業(yè)生產(chǎn)線設(shè)備 、機(jī)器 、產(chǎn)品等方面的數(shù)據(jù)，多由傳感器、設(shè)備儀器儀表進(jìn)行采集產(chǎn)生。外部數(shù)據(jù)是指來源于工廠外部的數(shù)據(jù)，主要包括來自互聯(lián)網(wǎng)的市場(chǎng)、環(huán)境、客戶、政府、供應(yīng)鏈等外部環(huán)境的信息和數(shù)據(jù)。

工業(yè)大數(shù)據(jù)技術(shù)是使工業(yè)大數(shù)據(jù)中所蘊(yùn)含的價(jià)值得以挖掘和展現(xiàn)的一系列技術(shù)與方法，包括數(shù)據(jù)規(guī)劃、采集、預(yù)處理、存儲(chǔ)、分析挖掘、可視化和智能控制等。歸納來說，主要包括數(shù)據(jù)采集技術(shù)、數(shù)據(jù)管理技術(shù)、數(shù)據(jù)分析技術(shù)。

1.數(shù)據(jù)采集技術(shù)

工業(yè)軟硬件系統(tǒng)本身具有較強(qiáng)的封閉性和復(fù)雜性，不同系統(tǒng)的數(shù)據(jù)格式、接口協(xié)議都不相同，甚至同一設(shè)備同一型號(hào)、不同時(shí)間出廠的產(chǎn)品所包含的字段數(shù)量與名稱也會(huì)有所差異，因此無論是采集系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行解析，還是后臺(tái)數(shù)據(jù)存儲(chǔ)系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化分解都會(huì)存在巨大的挑戰(zhàn)。由于協(xié)議的封閉，甚至無法完成設(shè)備的數(shù)據(jù)采集；即使可以采集，在工業(yè)大數(shù)據(jù)項(xiàng)目實(shí)施過程中，通常也需要數(shù)月時(shí)間對(duì)數(shù)據(jù)格式與字段進(jìn)行梳理。挑戰(zhàn)性更大的是多樣性的非結(jié)構(gòu)化數(shù)據(jù)，由于工業(yè)軟件的封閉性，數(shù)據(jù)通常只有特定軟件才能打開，并且從中提取更多有意義的結(jié)構(gòu)化信息工作通常很難完成，這也給數(shù)據(jù)采集帶來挑戰(zhàn)。因此，先進(jìn)的數(shù)據(jù)采集技術(shù)需要滿足海量高速、支持采集的多樣性、保證采集過程安全等特點(diǎn)。

未來，先進(jìn)的數(shù)據(jù)采集技術(shù)并不簡(jiǎn)單的將數(shù)據(jù)通過傳感器進(jìn)行采集，而是構(gòu)建一個(gè)多數(shù)據(jù)融合的數(shù)據(jù)環(huán)境，使產(chǎn)品全生命周期的各類要素信息能實(shí)現(xiàn)同步采集、管理和調(diào)用。此外，需要盡可能全地采集設(shè)備全生命周期各類要素相關(guān)的數(shù)據(jù)和信息，打破以往設(shè)備獨(dú)立感知和信息孤島的壁壘，建立一個(gè)統(tǒng)一的數(shù)據(jù)環(huán)境，這些信息包括設(shè)備運(yùn)行的狀態(tài)參數(shù)、工況數(shù)據(jù)、設(shè)備使用過程中的環(huán)境參數(shù)、設(shè)備維護(hù)保養(yǎng)記錄以及績效類數(shù)據(jù)等。最后，在先進(jìn)的數(shù)據(jù)采集技術(shù)下，改變現(xiàn)有被動(dòng)式的傳感與通信技術(shù)，實(shí)現(xiàn)按需進(jìn)行數(shù)據(jù)的收集與傳送，即在相同的傳感與傳輸條件下針對(duì)日常監(jiān)控、狀態(tài)變化、決策需求變化以及相關(guān)活動(dòng)目標(biāo)和分析需求，自主調(diào)整數(shù)據(jù)采集與傳輸?shù)臄?shù)量、頻次等屬性，從而實(shí)現(xiàn)主動(dòng)式、應(yīng)激式傳感與傳輸模式，提高數(shù)據(jù)感知的效率、質(zhì)量、敏捷度，實(shí)現(xiàn)數(shù)據(jù)采集的自適應(yīng)管理和控制。

2.數(shù)據(jù)管理技術(shù)

各種工業(yè)場(chǎng)景中存在大量多源異構(gòu)數(shù)據(jù)，例如結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)。每一類型數(shù)據(jù)都需要高效的存儲(chǔ)管理方法與異構(gòu)的存儲(chǔ)引擎，但現(xiàn)有大數(shù)據(jù)技術(shù)難以滿足全部要求。以非結(jié)構(gòu)化數(shù)據(jù)為例，特別是對(duì)海量設(shè)計(jì)文件、仿真文件、圖片、文檔等，需要按產(chǎn)品生命周期、項(xiàng)目、BOM結(jié)構(gòu)等多種維度進(jìn)行靈活有效的組織、查詢，同時(shí)需要對(duì)數(shù)據(jù)進(jìn)行批量分析、建模，對(duì)于分布式文件系統(tǒng)和對(duì)象存儲(chǔ)系統(tǒng)均存在技術(shù)盲點(diǎn)。另外從使用角度上，異構(gòu)數(shù)據(jù)需要從數(shù)據(jù)模型和查詢接口方面實(shí)現(xiàn)一體化的管理。例如在物聯(lián)網(wǎng)數(shù)據(jù)分析中，需要大量關(guān)聯(lián)傳感器部署信息等靜態(tài)數(shù)據(jù)，而此類操作通常需要將時(shí)間序列數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)進(jìn)行跨庫連接，因而先進(jìn)的數(shù)據(jù)管理技術(shù)需要針對(duì)多模態(tài)工業(yè)大數(shù)據(jù)進(jìn)行統(tǒng)一協(xié)同管理。

3.數(shù)據(jù)分析技術(shù)

工業(yè)大數(shù)據(jù)分析技術(shù)包括多種技術(shù)，最常用的有K均值、BP神經(jīng)網(wǎng)絡(luò)、遺傳算法和貝葉斯理論等。其中K均值是最常用的主流聚類分析算法，BP神經(jīng)網(wǎng)絡(luò)是較先進(jìn)的數(shù)據(jù)挖掘分析方法。使用工業(yè)數(shù)據(jù)之前，許多用戶不知道期望的目標(biāo)，并且無法獲取更多的數(shù)據(jù)應(yīng)用背景知識(shí)，可以利用K均值算法構(gòu)建一個(gè)自動(dòng)聚類分析的大數(shù)據(jù)模式。比如通過分析后能夠自動(dòng)將工業(yè)設(shè)計(jì)數(shù)據(jù)劃分為高、中、低等檔次，企業(yè)可以把高檔設(shè)計(jì)案例推薦給用戶，促進(jìn)商務(wù)達(dá)成。BP神經(jīng)網(wǎng)絡(luò)可以通過機(jī)器學(xué)習(xí)獲取相關(guān)指標(biāo)關(guān)鍵特征，從而通過網(wǎng)絡(luò)算法構(gòu)建一個(gè)分類的預(yù)測(cè)系統(tǒng)，這樣可以用于判斷日常運(yùn)行趨勢(shì)，在設(shè)備的智能化健康維護(hù)中就較多的應(yīng)用到這項(xiàng)技術(shù)。當(dāng)前先進(jìn)的數(shù)據(jù)分析技術(shù)包括以下幾個(gè)方面：

（1）強(qiáng)機(jī)理業(yè)務(wù)的分析技術(shù)。工業(yè)過程通常是基于“強(qiáng)機(jī)理”的可控過程，存在大量理論模型，刻畫了現(xiàn)實(shí)世界中的物理、化學(xué)、生化等動(dòng)態(tài)過程。另外，也存在著很多的閉環(huán)控制、調(diào)節(jié)邏輯，讓過程朝著設(shè)計(jì)的目標(biāo)逼近。在傳統(tǒng)的數(shù)據(jù)分析技術(shù)上，很少考慮機(jī)理模型（完全是數(shù)據(jù)驅(qū)動(dòng)）、也很少考慮閉環(huán)控制邏輯的存在。

（2）低質(zhì)量數(shù)據(jù)的處理技術(shù)。低質(zhì)量數(shù)據(jù)會(huì)改變不同變量之間的函數(shù)關(guān)系，這給工業(yè)大數(shù)據(jù)分析帶來災(zāi)難性的影響?，F(xiàn)實(shí)中，制造業(yè)企業(yè)的低質(zhì)量數(shù)據(jù)普遍存在，例如ERP系統(tǒng)中物料存在“一物多碼”問題，無效工況、重名工況、非實(shí)時(shí)等數(shù)據(jù)質(zhì)量問題也大量存在。這些數(shù)據(jù)質(zhì)量問題都大大限制了對(duì)數(shù)據(jù)的深入分析，因而需要在數(shù)據(jù)分析工作之前進(jìn)行系統(tǒng)的數(shù)據(jù)治理。

工業(yè)應(yīng)用中因?yàn)榧夹g(shù)可行性、實(shí)施成本等原因，很多關(guān)鍵的量沒有被測(cè)量、或沒有被充分測(cè)量（時(shí)間/空間采樣不夠、存在缺失等）、或沒有被精確測(cè)量（數(shù)值精度低），這就要求分析算法能夠在“不完備”“不完美”“不精準(zhǔn)”的數(shù)據(jù)條件下工作。在技術(shù)路線上，可大力發(fā)展基于工業(yè)大數(shù)據(jù)分析的“軟”測(cè)量技術(shù)，即通過大數(shù)據(jù)分析，建立指標(biāo)間的關(guān)聯(lián)關(guān)系模型，通過易測(cè)的過程量去推斷難測(cè)的過程量，提升生產(chǎn)過程的整體可觀可控。

二、工業(yè)大數(shù)據(jù)發(fā)展趨勢(shì) 

隨著智能制造與工業(yè)互聯(lián)網(wǎng)概念的深入，工業(yè)產(chǎn)業(yè)進(jìn)入了新一輪的全球性革命，互聯(lián)網(wǎng)、大數(shù)據(jù)與工業(yè)的融合發(fā)展成為了新型工業(yè)體系的核心，工業(yè)大數(shù)據(jù)的應(yīng)用將帶來工業(yè)生產(chǎn)與管理環(huán)節(jié)的極大的升級(jí)和優(yōu)化，其價(jià)值正在逐步體現(xiàn)和被認(rèn)可。

工業(yè)大數(shù)據(jù)是推進(jìn)工業(yè)數(shù)字化轉(zhuǎn)型的重要技術(shù)手段，需要“業(yè)務(wù)、技術(shù)、數(shù)據(jù)“的融合。這就要求從業(yè)務(wù)的角度去審視當(dāng)前的改進(jìn)方向，從IT、OT、管理技術(shù)角度去思考新的運(yùn)作模式、新的數(shù)據(jù)平臺(tái)、應(yīng)用和分析需求，從數(shù)據(jù)的角度審視如何通過信息的融合、流動(dòng)、深度加工等手段，全面、及時(shí)、有效地構(gòu)建反映物理世界的邏輯視圖，支撐決策與業(yè)務(wù)。因此，工業(yè)大數(shù)據(jù)的發(fā)展將呈現(xiàn)以下發(fā)展趨勢(shì)：

（1）數(shù)據(jù)大整合、數(shù)據(jù)規(guī)范統(tǒng)一。工業(yè)企業(yè)逐步加強(qiáng)工業(yè)大數(shù)據(jù)采集、交換與集成，打破數(shù)據(jù)孤島，實(shí)現(xiàn)數(shù)據(jù)跨層次、跨環(huán)節(jié)、跨系統(tǒng)的大整合，在宏觀上從多個(gè)維度建立切實(shí)可行的工業(yè)大數(shù)據(jù)標(biāo)準(zhǔn)體系，實(shí)現(xiàn)數(shù)據(jù)規(guī)范的統(tǒng)一。另一方面，在實(shí)際應(yīng)用中逐步實(shí)現(xiàn)工業(yè)軟件、物聯(lián)設(shè)備的自主可控，實(shí)現(xiàn)高端設(shè)備的讀寫自由。

（2）機(jī)器學(xué)習(xí)，數(shù)據(jù)到模型的自動(dòng)建模。在實(shí)現(xiàn)大數(shù)據(jù)采集、集成的基礎(chǔ)上，推進(jìn)工業(yè)全鏈條的數(shù)字化建模和深化工業(yè)大數(shù)據(jù)分析，將各領(lǐng)域各環(huán)節(jié)的經(jīng)驗(yàn)、工藝參數(shù)和模型數(shù)字化，形成全生產(chǎn)流程、全生命周期的數(shù)字鏡像，并構(gòu)造從經(jīng)驗(yàn)到模型的機(jī)器學(xué)習(xí)系統(tǒng)，以實(shí)現(xiàn)從數(shù)據(jù)到模型的自動(dòng)建模。

（3）構(gòu)建不同領(lǐng)域?qū)I(yè)數(shù)據(jù)分析算法。在大數(shù)據(jù)技術(shù)領(lǐng)域通用算法的基礎(chǔ)上，不斷構(gòu)建工業(yè)領(lǐng)域?qū)I(yè)的算法，深度挖掘工業(yè)系統(tǒng)的物理化學(xué)原理、工藝、制造等知識(shí)，滿足企業(yè)對(duì)工業(yè)數(shù)據(jù)分析結(jié)果高置信度的要求。

（4）數(shù)據(jù)結(jié)果通過3D工業(yè)場(chǎng)景可視化呈現(xiàn)。進(jìn)行數(shù)據(jù)和3D工業(yè)場(chǎng)景的可視化呈現(xiàn)，將數(shù)據(jù)結(jié)果直觀的展示給用戶，增加工業(yè)數(shù)據(jù)的可使用度。通過3D工業(yè)場(chǎng)景的可視化，實(shí)現(xiàn)制造過程的透明化，有利于過程協(xié)同。

三、工業(yè)大數(shù)據(jù)市場(chǎng)縱覽

目前，國內(nèi)外做大數(shù)據(jù)的廠商主要分為兩類：一類是已經(jīng)具有獲取大數(shù)據(jù)能力的公司，他們利用自身優(yōu)勢(shì)地位沖擊著大數(shù)據(jù)領(lǐng)域，并占據(jù)著市場(chǎng)主導(dǎo)地位。主要包括IBM、SAP、HPE、Teradata、Oracle、Microsoft等老牌廠商，谷歌、亞馬遜、百度、騰訊、阿里巴巴等互聯(lián)網(wǎng)巨頭，以及華為、浪潮、中興等國內(nèi)領(lǐng)軍企業(yè)，涵蓋了數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)可視化以及數(shù)據(jù)安全等領(lǐng)域。

另一類是初創(chuàng)的大數(shù)據(jù)公司，他們針對(duì)市場(chǎng)需求，為市場(chǎng)帶來創(chuàng)新方案并推動(dòng)技術(shù)發(fā)展。國外如專注Hadoop技術(shù)的三家公司Cloudera、Hortonworks（兩家公司已合并）和MapR（已被HPE收購），以及Palantir、Splunk、Tableau（已被Salesforce收購）等，其中Palantir被稱為硅谷最神秘獨(dú)角獸的大數(shù)據(jù)挖掘公司，Splunk從日志分析工具起家，當(dāng)前已成為機(jī)器數(shù)據(jù)分析龍頭企業(yè)；國內(nèi)有航天云網(wǎng)、樹根互聯(lián)、石化盈科等一批具有制造基因的企業(yè)，他們具有較強(qiáng)數(shù)據(jù)匯聚能力，還包括星環(huán)科技、天云大數(shù)據(jù)、昆侖智匯、美林?jǐn)?shù)據(jù)、東方國信、Kyligence等技術(shù)型企業(yè)，他們?cè)跀?shù)據(jù)存儲(chǔ)、數(shù)據(jù)建模、分析處理等領(lǐng)域不斷突破核心技術(shù)。

四、工業(yè)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展 

工業(yè)大數(shù)據(jù)技術(shù)及應(yīng)用將成為未來提升制造業(yè)生產(chǎn)力、競(jìng)爭(zhēng)力、創(chuàng)新能力的關(guān)鍵要素，是驅(qū)動(dòng)產(chǎn)品智能化、生產(chǎn)過程智能化、管理智能化、服務(wù)智能化、新業(yè)態(tài)新模式智能化，以及支撐制造業(yè)轉(zhuǎn)型和構(gòu)建開放、共享、協(xié)作的智能制造產(chǎn)業(yè)生態(tài)的重要基礎(chǔ)，對(duì)實(shí)施智能制造戰(zhàn)略具有十分重要地推動(dòng)作用。

當(dāng)前，我國的大數(shù)據(jù)產(chǎn)業(yè)增長迅速，產(chǎn)業(yè)規(guī)模持續(xù)放大。大數(shù)據(jù)產(chǎn)業(yè)主要涵蓋三個(gè)層次：基礎(chǔ)支撐、數(shù)據(jù)服務(wù)和融合應(yīng)用相互交融，協(xié)力構(gòu)建了完整的大數(shù)據(jù)產(chǎn)業(yè)鏈。

基礎(chǔ)支撐是整個(gè)大數(shù)據(jù)產(chǎn)業(yè)的核心，它提供了大數(shù)據(jù)產(chǎn)品和服務(wù)正常運(yùn)轉(zhuǎn)所需的多樣化軟硬件資源，包括大數(shù)據(jù)存儲(chǔ)管理系統(tǒng)、大數(shù)據(jù)網(wǎng)絡(luò)和計(jì)算等系統(tǒng)資源管理平臺(tái)，大數(shù)據(jù)管理平臺(tái)，以及大數(shù)據(jù)相關(guān)硬件設(shè)備等。其中，大數(shù)據(jù)存儲(chǔ)、網(wǎng)絡(luò)和計(jì)算相關(guān)的軟硬件產(chǎn)品和服務(wù)，為海量數(shù)據(jù)的存儲(chǔ)、傳輸和分析挖掘奠定了堅(jiān)實(shí)基礎(chǔ)，代表廠商有專注Hadoop發(fā)行版的星環(huán)科技、紅象云騰和天云大數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫廠商人大金倉和南大通用，研發(fā)新型分布式數(shù)據(jù)庫的巨杉數(shù)據(jù)庫、PingCAP等，以及華為、聯(lián)想、浪潮、中興等硬件廠商。

數(shù)據(jù)服務(wù)是圍繞各類應(yīng)用和市場(chǎng)需求，提供輔助性的服務(wù)，包括前端的數(shù)據(jù)采集、中端的流處理、批處理、即時(shí)查詢、數(shù)據(jù)分析和數(shù)據(jù)挖掘，末端的數(shù)據(jù)可視化，以及貫穿始終的數(shù)據(jù)安全。這一層通常與上層融合應(yīng)用相伴，同時(shí)也可作為獨(dú)立的環(huán)節(jié)提供技術(shù)服務(wù)。由于數(shù)據(jù)服務(wù)層覆蓋了數(shù)據(jù)處理各個(gè)流程，積極布局各個(gè)細(xì)分領(lǐng)域的廠商也較多。例如在商業(yè)智能領(lǐng)域有阿里云，其Quick BI是第一個(gè)入選Gartner數(shù)據(jù)分析和商業(yè)智能領(lǐng)域的中國產(chǎn)品，還包括永洪科技、帆軟和亦策等；數(shù)據(jù)可視化領(lǐng)域的海智BDP、海云數(shù)據(jù)、數(shù)字冰雹相對(duì)領(lǐng)先；在數(shù)據(jù)安全領(lǐng)域有網(wǎng)智天元、安恒信息、明朝萬達(dá)等。

融合應(yīng)用是大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展重點(diǎn)，主要包含了通用性的營銷大數(shù)據(jù)，以及與行業(yè)緊密相關(guān)的各類細(xì)分領(lǐng)域整體解決方案。在大數(shù)據(jù)應(yīng)用市場(chǎng)，一種廠商致力于為企業(yè)提供大數(shù)據(jù)驅(qū)動(dòng)的數(shù)字營銷解決方案；另一種廠商則基于自身在數(shù)據(jù)技術(shù)的積累，結(jié)合不同行業(yè)的屬性和需求，向客戶提供具有行業(yè)特色的整體解決方案，在這一細(xì)分市場(chǎng)，布局的廠商眾多，例如以阿里巴巴、百度、騰訊、人大金倉、浪潮、曙光、南大通用為代表的互聯(lián)網(wǎng)企業(yè)、云計(jì)算和數(shù)據(jù)庫廠商紛紛加大應(yīng)用推廣力度，在國際先進(jìn)的開源大數(shù)據(jù)技術(shù)基礎(chǔ)上，形成各自的大數(shù)據(jù)平臺(tái)、和應(yīng)用服務(wù)解決方案，以支撐不同行業(yè)不同領(lǐng)域的專業(yè)化應(yīng)用；還包括昆侖數(shù)據(jù)、美林?jǐn)?shù)據(jù)、百分點(diǎn)等廠商，也均形成了面向不同行業(yè)/領(lǐng)域的大數(shù)據(jù)應(yīng)用，如百分點(diǎn)已推出了基于大數(shù)據(jù)的智能營銷、基于大數(shù)據(jù)的智能供應(yīng)鏈、基于大數(shù)據(jù)的智能工廠、基于大數(shù)據(jù)的智能物聯(lián)網(wǎng)這四大智能場(chǎng)景解決方案。

隨著大數(shù)據(jù)技術(shù)與開源社區(qū)的不斷成熟，為數(shù)據(jù)技術(shù)向工業(yè)界滲透提供了必要的條件，同時(shí)也為高端制造企業(yè)提供了巨大的市場(chǎng)機(jī)會(huì)。近年來，國際知名工業(yè)企業(yè)、軟件公司和科研機(jī)構(gòu)紛紛研發(fā)面向制造業(yè)轉(zhuǎn)型升級(jí)的大數(shù)據(jù)產(chǎn)品和系統(tǒng)。

美國通用電氣（GE）公司聯(lián)合Pivotal向全球開放工業(yè)互聯(lián)網(wǎng)云平臺(tái)Predix，將各種工業(yè)資產(chǎn)設(shè)備接入云端提供資產(chǎn)性能管理（APM）和運(yùn)營優(yōu)化服務(wù)；丹麥維斯塔斯（Vestas）公司聯(lián)合IBM基于Big Insights大數(shù)據(jù)平臺(tái)分析氣象、傳感器、衛(wèi)星、地圖數(shù)據(jù)支持風(fēng)場(chǎng)選址、運(yùn)行評(píng)估等工作；德國西門子公司面向工業(yè)大數(shù)據(jù)應(yīng)用，整合遠(yuǎn)程維護(hù)、數(shù)據(jù)分析及網(wǎng)絡(luò)安全等一系列現(xiàn)有技術(shù)和新技術(shù)，推出Sinalytics數(shù)字化服務(wù)平臺(tái)，作為其實(shí)現(xiàn)工業(yè)4.0的重要抓手；德國SAP公司開發(fā)了面向物聯(lián)網(wǎng)應(yīng)用和實(shí)時(shí)數(shù)據(jù)處理的HANA大數(shù)據(jù)平臺(tái)，并利用其在傳統(tǒng)企業(yè)信息化ERP系統(tǒng)上的優(yōu)勢(shì)，推動(dòng)HANA與信息化系統(tǒng)的集成；美國航空航天局（NASA）對(duì)外開放自身數(shù)據(jù)，幫助進(jìn)行火星8生命探測(cè)和天文觀測(cè)等。此外，硅谷新興創(chuàng)業(yè)公司也在積極投入工業(yè)數(shù)據(jù)的技術(shù)和產(chǎn)品研發(fā)，典型代表有Uptake Tech公司，為建筑、航空、采礦行業(yè)提供分析與預(yù)測(cè)軟件服務(wù)。